基于DBNs的车辆悬架减振器异响鉴别方法

摘要：

针对人工经验提取特征进行减振器异响鉴别的复杂性与不可扩展性的问题,分析了深度信念网络(deep belief networks,DBNs)在减振器异响鉴别中的应用,并结合减振器整车与台架试验提出了完整的减振器异响鉴别流程.该方法只需将收集到的减振器活塞杆顶端振动加速度信号作为输入,经过DBNs模型逐层特征学习便可进行减振器异响鉴别.同时将鉴别结果与经典的BP神经网络、支持向量机以及传统的3种人工特征提取方法进行对比分析.结果表明:在输入仅为原始信号的条件下,深度信念网络模型对减振器异响鉴别的准确率为96.7％,表明了深度信念网络在减振器异响甄别中的优越性,具有广泛的工程应用前景.

关键词：减振器、异响鉴别、深度学习、玻尔兹曼机、深度信念网络

所属期刊栏目：50

分类号：U463.1;U467.1(汽车工程)

资助基金：中央高校基本科研业务费专项资金资助项目SWJTU12CX036西南交通大学研究生创新实验实践项目基金资助YC201402104

在线出版日期：2015-12-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：776-782